关键词： 关联规则   多层次   模糊集   隶属度函数   置信度   数据挖掘  

摘要： 目的:针对现有关联规则数据挖掘算法在数据处理中准确性较低的缺陷,本研究旨在通过引入模糊集理论,改进并设计一种多层次模糊关联规则挖掘算法,以提高数据挖掘的准确性和效率.方法:首先,充分研究关联规则数据挖掘算法的现状及Apriori算法的基本原理.然后,通过引入模糊集概念,构建数据挖掘的模糊集与模糊隶属度函数,以此为基础对多层次关联规则进行改进.接着,设计并实现多层次模糊关联规则挖掘算法,包括给出模糊集合的总模糊值计算公式,并编写相应的算法实现代码.结果:通过实际应用验证,所设计的多层次模糊关联规则挖掘算法具有较强的事务数据库GID编码能力,能够更有效地捕捉数据与数据之间的关联规则.算法实现后,对多种数据集进行了挖掘实验,结果显示该算法能够准确、高效地提取出数据间的关联关系.结论:本研究提出的多层次模糊关联规则挖掘算法,通过引入模糊集理论并改进关联规则挖掘方法,有效提升了数据挖掘的准确性和实用性.该算法在实际应用中表现出良好的性能,为关联规则数据挖掘提供了新的思路和方法,具有较高的应用价值.

关键词： Softmax函数   近似计算   FPGA   深度学习  

摘要： 针对Softmax函数在硬件实现中存在的效率低、功耗和面积大等挑战，设计一种高能效的近似算法及硬件加速器。首先，提出稀疏优先化方式避免无效项的全部计算和存储需求，并设计局部-全局最大值协同更新方法，提高稀疏检测准确度和计算效率；其次，研究近似算法，并利用幂域融合机制，将复杂指数和除法的近似归约至同一个简单指数运算，降低计算复杂度；然后，提出误差感知的分段线性拟合算法，并设计共享编码的拟合电路以优化硬件实现；最后，提出仅需移位、加法和轻量逻辑运算的计算架构，并结合分时复用，提高电路能效。基于FPGA的图像目标检测和语音识别测试验证了本方法在深度学习任务中的可靠性。在45 nm CMOS工艺下的综合实验结果表明，本设计相较现有工作电路面积减小约55%，能效提升约21%，为神经网络的硬件部署提供了可行路径。

关键词： 超声波   特征参数   小波变换   包络拟合   解析信号  

摘要： 时差法超声波流量计的量程宽、应用范围广，但在化工厂应急处理中，因气体流速过高导致超声波信号质量下降，难以准确算出信号的起点及时差，致使应用受限。为此，提出一种低质量超声波信号特征参数提取时频算法：先经小波变换及数字滤波降噪预处理；再通过快速算法求解基于超声波物理特性构造的包络拟合函数，利用函数过零点及频域矫正算法获取信号精确起点；最后算出正逆程信号相关曲线的解析信号，根据4倍频解析信号相位及正逆程起点差值求出精确时差，进而得到流速及流量。仿真结果显示，算法精度高，抗干扰能力强。在DN150管径、3～60 m/s量程的计量测试中，流量计量的相对示值误差在±1.0%之内，且工作稳定。算法能够用于高流速气体流量计量，可作为气体流量计研制的参考，具备推广价值。

关键词： 无人机   小目标检测   多尺度特征提取   YOLOv11s  

摘要： 针对无人机航拍图像中存在的目标尺度小、环境复杂多变、易漏检与误检等问题，提出了一种基于YOLOv11s改进的目标检测算法MEF-YOLO。在骨干网络中，首先引入多维度边缘感知模块，旨用来增强目标边缘信息的提取；其次提出新的MSFHFN颈部网络架构，使得不同尺度下的特征得到充分的融合；最后采用新型的协同特征任务对齐检测头CTADH，以用于提升模型的检测性能。在VisDrone2019数据集的验证下，改进后的算法在mAP0.5上达到了44.8%，相较于YOLOv11s提升了7.3个百分点，并且其参数量降低了21.3%。这表明该算法在实现模型轻量化的同时，并有效地提升了检测性能。

关键词： 大数据   高中数学   精准教学   核心素养  

摘要： 将高中数学精准教学与大数据技术深度融合,可借助大数据的优势帮助教师精准定位学生的知识漏洞和个性化学习需求,进而优化教学方案、针对性推送分层学习资源。这既能有效解决学生个体差异带来的教学难题,突破传统教学的局限,又能减少师生在重复工作上的投入,使教学和学习效率都得到明显提升。本文重点围绕以下三点进行了深入探讨:大数据运用于高中数学教学的实际价值、精准教学中存在的问题、精准教学如何具体落地实施。研究旨在助力提升高中数学教学质量,为培育学生数学核心素养提供可靠的支撑。

关键词： 移动边缘计算   强化学习   无人机   信息年龄   资源分配  

摘要： 复杂工业环境下，工业无线网络面临着算力受限、随机遮挡、覆盖不足等问题，导致数据传输和计算延迟高、信息新鲜度低。为此，充分利用无人机携带算力便捷、适应性强、部署成本低、响应速度快等特点，本文构建一种多无人机边缘计算增强的工业无线网络，并对无人机飞行轨迹、任务调度决策、通信和计算资源分配进行联合优化。具体来说，首先定义了包含信息年龄和系统能耗的总成本函数，构建了成本最小化问题。然后，考虑随机遮挡、覆盖不足等因素导致的工业无线网络全局状态信息难获取问题，将原问题建模为部分可观测马尔可夫决策过程，并提出基于软演员-评论家（Soft Actor-Critic，SAC）和遗传算法（Genetic Algorithm，GA）的多智能深度强化学习算法GA-MASAC。其中，GA对算法的学习率进行优化，加速收敛。实验结果表明，与ISAC、MAPPO及MASAC算法相比，GA-MASAC算法的奖励分别提高了67.11%、58.80%和47.59%，信息年龄分别降低了81.93%、75.16%和57.94%。

关键词： 智能   推荐算法   新闻   同质化困境   窄化效应  

摘要： 智能推荐算法凭借用户过往的行为数据,在优化新闻分发效率的工作中,带来了内容趋同以及认知视野受限的问题。本文从技术架构方面来探讨协同过滤机制,它的相似性依赖以及流行度偏差的累积放大,以及召回排序流程对多样性的抑制,共同构建由个体主题多样性退化和群体网络极化分层所构成的双层窄化效应分析框架。基于2024—2025年的前沿探索以及产业实践,审视突破性路径,即多样性排序优化、因果性偏差校正、媒介框架多元性的强化以及用户轻量化策略的介入。研究认为,新闻推荐机制需要在个性化精准度以及信息多样性这两个方面中,构建起能够进行量化的动态平衡。

关键词： 牛群定位与计数   焦点逆距离变换图   目标检测   人群计数   无人机影像  

摘要： 针对无人机视角下高密度牛群定位与计数中存在的目标粘连、遮挡严重、背景复杂及分布非均匀等问题，本文提出一种先验引导的感受野重建网络RFRNet。该方法设计基于结构先验的边缘引导感受野重建模块和高斯引导感受野重建模块，并引入到DLA-34主干网络中，通过浅层边缘强化、中层结构稳化与高层语义聚合与恢复，实现对复杂场景下密集目标的精确计数。同时采用数学可逆的Converse2D上采样算子与非重叠点监督策略，在保持模型轻量化的前提下提升中心定位与计数稳定性。在自建HerdSet7K数据集上的实验结果表明，RFRNet的F1-score和MAE分别达到0.851和15.01，与D-Fine-m相比，F1-score提升了4.67%,MAE降低了25.17%。在开源人群计数数据集ShanghaiTech Part A上的补充实验进一步表明，本文方法取得了66.2的MAE，与LSC-CNN等多数主流人群计数方法相当，体现出一定的跨场景泛化能力。上述结果进一步验证了RFRNet在复杂密集场景下的有效性与应用潜力。

关键词： 推荐系统   跨域推荐   解耦表示学习   注意力知识迁移   自适应知识融合  

摘要： 跨域推荐已经被证明在解决传统推荐系统中的长期存在的数据稀疏和冷启动问题方面非常有效.最近的研究表明,不同域之间存在互补的用户兴趣,合理利用这些信息可以提高两个域的推荐性能.因此,基于双向知识迁移的跨域推荐方法应运而生.然而,本研究认为现有的方法迁移知识的方式是粗粒度的,忽略了交互背后的多种潜在因素,这可能引入与任务无关的噪声,进而降低模型的性能.为此,我们提出了一种结合解耦表示学习与注意力机制的解决方案,本研究设计名为D3-CDR的跨域推荐模型,用于在域之间双向迁移解耦知识.具体而言,本研究设计双向解耦知识迁移层,该层由多个解耦知识迁移（DKT）块组成.在每个DKT块中,首先识别交互背后的多种潜在因素,并通过将交互表示投射到多个潜在语义空间中生成解耦表示.考虑到不同域之间的特异性和差异性,本研究提出的注意力知识迁移机制可以提取有用的知识,并减少无关因素的负面影响,从而生成跨域的知识表示,自适应知识融合机制进一步自适应地融合域内的知识与跨域的知识.在两个真实世界数据集上的大量实验表明,与当前最先进的单域和跨域推荐方法相比,本研究提出的D3-CDR模型具有更优越的推荐性能.

关键词： 子抽样   大数据   Logistic回归模型   数据分析  

摘要： 针对大规模样本数据维度过高,数据管理、存储、分析效率较低的问题,研究提出了一种基于改进最优子抽样算法的大数据分析方法.该方法采用自适应权重,对最优子抽样算法进行改进,以选择Logistic回归模型的变量.结果显示,该算法在非平衡数据集上的数据分析耗时在10 s左右,在平衡数据集上的耗时在5 s左右,远低于另外两种子抽样算法.且研究设计算法的数据分析精度可保持在0.812 0左右,较另外两种算法更好.研究设计的子抽样算法可有效提高大数据分析效率.